-
公开(公告)号：CN109901064B
公开(公告)日：2021-02-12
申请号：CN201910199081.5
申请日：2019-03-15
Applicant: 西安工程大学
IPC: G01R31/327
Abstract: 本发明公开了基于ICA‑LVQ的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，按照3:1的比例分为训练集和测试集；步骤2：提取经步骤1所得的训练样本的输入特征向量，采用LDA算法进行降维处理，得到一个新的输入特征向量；步骤3：将步骤2得到的输入特征向量作为构建ICA‑LVQ神经网络的输入，经过训练学习输出故障分类结果，以此建立起基于ICA‑LVQ的高压断路器故障诊断模型；步骤4：将步骤3得到的高压断路器故障诊断模型对步骤1中的测试集样本进行分类，统计其分类准确率。本发明的基于ICA‑LVQ的高压断路器故障诊断方法能够准确实现高压断路器故障诊断。
-
公开(公告)号：CN109270442B
公开(公告)日：2021-02-12
申请号：CN201810954033.8
申请日：2018-08-21
Applicant: 西安工程大学
IPC: G01R31/327 , G06K9/62 , G06N3/12
Abstract: 本发明公开的基于DBN‑GA神经网络的高压断路器故障检测方法，具体按照如下过程：将在线监测系统监测的电流数据，作为输入变量；然后，利用基于深度信念神经网络的深度学习算法构建故障类型预测模型，确定限制玻尔兹曼机模型，记为RBM，将一部分电流数据样本提取到构建该模型并进行训练；经过对受限玻尔兹曼机的训练后，对整个深度信念神经网络模型进行训练学习；最后将所有的数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明公开的方法在弥补人工神经网络检测的不足的同时，能更加准确有效地判断断路器的故障类型，进而能够有效率的检修。
-
公开(公告)号：CN112327149A
公开(公告)日：2021-02-05
申请号：CN202011118433.9
申请日：2020-10-19
Applicant: 西安工程大学
IPC: G01R31/327 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于SSD‑SRAE的高压断路器故障诊断方法，步骤包括：1)采用奇异谱分解技术分析断路器振动信号，将非线性、非平稳信号从高频至低频分解为多个奇异谱分量；2)预训练，利用栈式相关性稀疏自编码算法将多个栈式相关性稀疏自编码器级联，确定SRAE的隐含层数G，以无监督的方式逐层贪婪式训练G个RAE；3)微调，结合遗传算法通过种群初始化以及种群个体适应度的评估进行全网络参数优化，直到Z层RAE训练完毕并将最后一层隐含层添加随机森林模型作为分类器；4)将测试集输入至训练好的模型中，完成高压断路器故障诊断的分类。本发明的方法，能更加准确快速的对故障进行分类。
-
公开(公告)号：CN112149986A
公开(公告)日：2020-12-29
申请号：CN202010981160.4
申请日：2020-09-17
Applicant: 西安工程大学
Abstract: 本发明公开的基于多层次模糊综合评判的高压开关柜评估方法，具体按以下步骤实施：步骤1：根据高压开关柜状态监测装置获取状态数据；步骤2：构建评语集V＝(v1,v2,v3,v4)，评语有四个等级，分别是：1)正常v1；2)注意v2；3)异常v3；4)严重v4；步骤3：构建综合权重集A＝(a1,a2,…ai)，权数ai须满足 其中i＝1,2,3,4,5；步骤4：以各因素评价集的隶属度为行组成模糊评判矩阵R，Ri称为单因素评价集，其中i＝1,2,3,4,5，Ri＝(ri1,ri2,…rij)，其中j＝1,2,3,…,n；步骤5：构建多层次模糊综合评判模型，根据模型判断高压开关柜运行状态及制定相应维修策略。该基于多层次模糊综合评判的高压开关柜评估方法，能够根据在线检测数据对高压开关柜的运行状态作出评估。
-
公开(公告)号：CN110703077A
公开(公告)日：2020-01-17
申请号：CN201910913509.8
申请日：2019-09-25
Applicant: 西安工程大学
IPC: G01R31/327 , G01M13/00 , G06K9/62
Abstract: 本发明公开了基于HPSO-TSVM的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型数据样本，按照4:1的比例分为训练样本和测试样本；步骤2：提取经步骤1所得的训练样本的输入特征向量，采用改进的F-Score特征选择算法进行特征选择，得到一个最佳的特征子集；步骤3：对经步骤2得到最佳的特征子集样本作为HPSO-TSVM的训练样本进行训练；步骤4：利用步骤3建立好的高压断路器故障诊断模型对故障数据集中的测试样本进行分类，统计其分类准确率。本发明的高压断路器故障诊断方法，能够准确实现高压断路器故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN109270442A
公开(公告)日：2019-01-25
申请号：CN201810954033.8
申请日：2018-08-21
Applicant: 西安工程大学
IPC: G01R31/327 , G06K9/62 , G06N3/12
CPC classification number: G01R31/3275 , G06K9/6268 , G06N3/126
Abstract: 本发明公开的基于DBN-GA神经网络的高压断路器故障检测方法，具体按照如下过程：将在线监测系统监测的电流数据，作为输入变量；然后，利用基于深度信念神经网络的深度学习算法构建故障类型预测模型，确定限制玻尔兹曼机模型，记为RBM，将一部分电流数据样本提取到构建该模型并进行训练；经过对受限玻尔兹曼机的训练后，对整个深度信念神经网络模型进行训练学习；最后将所有的数据输入到训练好的故障类型预测模型中，由故障类型预测模型对输入的分合闸线圈电流数据进行处理，完成对高压断路器故障检测。本发明公开的方法在弥补人工神经网络检测的不足的同时，能更加准确有效地判断断路器的故障类型，进而能够有效率的检修。
-
公开(公告)号：CN110703077B
公开(公告)日：2021-10-15
申请号：CN201910913509.8
申请日：2019-09-25
Applicant: 西安工程大学
IPC: G01R31/327 , G01M13/00 , G06K9/62
Abstract: 本发明公开了基于HPSO‑TSVM的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型数据样本，按照4:1的比例分为训练样本和测试样本；步骤2：提取经步骤1所得的训练样本的输入特征向量，采用改进的F‑Score特征选择算法进行特征选择，得到一个最佳的特征子集；步骤3：对经步骤2得到最佳的特征子集样本作为HPSO‑TSVM的训练样本进行训练；步骤4：利用步骤3建立好的高压断路器故障诊断模型对故障数据集中的测试样本进行分类，统计其分类准确率。本发明的高压断路器故障诊断方法，能够准确实现高压断路器故障诊断。
-
公开(公告)号：CN109298330B
公开(公告)日：2021-01-05
申请号：CN201811418668.2
申请日：2018-11-26
Applicant: 西安工程大学
IPC: G01R31/327
Abstract: 本发明公开了一种基于GHPSO‑BP的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，将归一化处理后的样本数据按照特定比例分为测试样本和训练样本；步骤2：对经步骤1归一化处理后所得的训练样本，对其条件属性约简特征信息并从中提取决策规则，构建约简决策表；步骤3：将经步骤2中构建的约简决策表中的约简特征信息作为构建GHPSO‑BP神经网络的输入，以此建立起基于GHPSO‑BP的高压断路器故障诊断模型；步骤4：将步骤3训练获得的高压断路器故障诊断模型对步骤1中的测试集样本进行故障分类，得出故障分类结果，并统计模型诊断准确率。本故障诊断方法能够准确实现高压断路器故障诊断。
-
公开(公告)号：CN109298330A
公开(公告)日：2019-02-01
申请号：CN201811418668.2
申请日：2018-11-26
Applicant: 西安工程大学
IPC: G01R31/327
CPC classification number: G01R31/3275
Abstract: 本发明公开了一种基于GHPSO-BP的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，将归一化处理后的样本数据按照特定比例分为测试样本和训练样本；步骤2：对经步骤1归一化处理后所得的训练样本，对其条件属性约简特征信息并从中提取决策规则，构建约简决策表；步骤3：将经步骤2中构建的约简决策表中的约简特征信息作为构建GHPSO-BP神经网络的输入，以此建立起基于GHPSO-BP的高压断路器故障诊断模型；步骤4：将步骤3训练获得的高压断路器故障诊断模型对步骤1中的测试集样本进行故障分类，得出故障分类结果，并统计模型诊断准确率。本故障诊断方法能够准确实现高压断路器故障诊断。
-
公开(公告)号：CN109901064A
公开(公告)日：2019-06-18
申请号：CN201910199081.5
申请日：2019-03-15
Applicant: 西安工程大学
IPC: G01R31/327
Abstract: 本发明公开了基于ICA-LVQ的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，按照3:1的比例分为训练集和测试集；步骤2：提取经步骤1所得的训练样本的输入特征向量，采用LDA算法进行降维处理，得到一个新的输入特征向量；步骤3：将步骤2得到的输入特征向量作为构建ICA-LVQ神经网络的输入，经过训练学习输出故障分类结果，以此建立起基于ICA-LVQ的高压断路器故障诊断模型；步骤4：将步骤3得到的高压断路器故障诊断模型对步骤1中的测试集样本进行分类，统计其分类准确率。本发明的基于ICA-LVQ的高压断路器故障诊断方法能够准确实现高压断路器故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
